CN112344854A - 车辆超限检测方法、系统及计算机可读存储介质 - Google Patents
车辆超限检测方法、系统及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112344854A CN112344854A CN202011160536.1A CN202011160536A CN112344854A CN 112344854 A CN112344854 A CN 112344854A CN 202011160536 A CN202011160536 A CN 202011160536A CN 112344854 A CN112344854 A CN 112344854A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- coordinate system
- acquiring
- dimension information
- detection area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种车辆超限检测方法、系统及计算机可读存储介质,车辆超限检测方法包括:通过单线激光雷达获取检测区域;设置所述单线激光雷达所在位置为原点,以所述单线激光雷达扫描的平面构建极坐标系;基于所述极坐标系获取单个车辆在所述检测区域中的外廓尺寸信息;其中,所述外廓尺寸信息包括所述车辆的长度、所述车辆的宽度、所述车辆的高度中的任意至少一种;若所述外廓尺寸信息超过标准值,确定所述车辆为超限车辆。本发明的技术方案,成本较低,处理速度快,且检测准确率较高。
Description
技术领域
本发明涉及交通技术领域,特别涉及一种车辆超限检测方法、系统及计算机可读存储介质。
背景技术
现有无人卡口治超检测技术大多是利用摄像机的视频合成技术或者基于多线激光雷达设备的三维扫描技术来进行治超。
采用摄像机的视频合成技术,在进行车辆长宽高轮廓检测时,存在测量误差大、分车复杂,以及受天气影响大等缺点;而基于多线激光雷达设备的三维扫描技术,存在成本高、处理速度慢等缺点。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种车辆超限检测方法,成本较低,处理速度快,且检测准确率较高。
本发明还提出一种车辆超限检测系统。
本发明还提出一种计算机可读存储介质。
本发明实施例的第一方面,提供了一种车辆超限检测方法,所述方法包括:
通过单线激光雷达获取检测区域;
设置所述单线激光雷达所在位置为原点,以所述单线激光雷达扫描的平面构建极坐标系;
基于所述极坐标系获取单个车辆在所述检测区域中的外廓尺寸信息;其中,所述外廓尺寸信息包括所述车辆的长度、所述车辆的宽度、所述车辆的高度中的任意至少一种;
若所述外廓尺寸信息超过标准值,确定所述车辆为超限车辆。
本发明实施例中提供的一个或多个技术方案,至少具有如下有益效果:本发明实施例的车辆超限检测方法,通过单线激光雷达获取检测区域,设置单线激光雷达所在位置为原点,以单线激光雷达扫描的平面构建极坐标系,基于极坐标系获取单个车辆在检测区域中的外廓尺寸信息;其中,外廓尺寸信息包括车辆的长度、车辆的宽度、车辆的高度中的任意至少一种;若外廓尺寸信息超过标准值,确定车辆为超限车辆。与现有技术相比,本发明实施例采用单线激光雷达来检测车辆超限的方法,成本较低,处理速度快,且检测准确率较高。
根据本发明的一些实施例,所述基于所述极坐标系获取单个车辆在所述检测区域中的外廓尺寸信息之前,所述方法还包括:
获取每一预设时段对应的车辆的尺寸数据;
若连续出现多个所述车辆的尺寸数据,且所述车辆的尺寸数据超过2/3大于阈值,确定有车辆进入所述检测区域。
根据本发明的一些实施例,所述基于所述极坐标系获取单个车辆在所述检测区域中的外廓尺寸信息,还包括:
基于所述极坐标系获取车辆在所述检测区域中的车身轮廓;
根据所述车身轮廓,获取第一散点图;
根据所述第一散点图,获取所述车辆的外廓尺寸信息。
根据本发明的一些实施例,所述根据所述车身轮廓,获取第一散点图,包括:
获取所述车身轮廓上的各点到所述原点的距离、以及所述距离与基线之间的角度;其中,所述基线为经过所述原点并垂直于所述车辆所在道路的直线;
根据所述距离、所述角度,计算得到所述车身轮廓上的各点在所述极坐标系下的横向坐标值,第一纵向坐标值;
将所述极坐标系转换为平面直角坐标系;
基于所述平面直角坐标系并根据所述横向坐标值、所述第一纵向坐标值,得到第一散点图;其中,所述第一散点图包括所述车身轮廓上的各点的散点数据和在所述检测区域中的道路上各点的散点数据。
根据本发明的一些实施例,所述根据所述第一散点图,获取所述车辆的外廓尺寸信息,包括:
定义每个所述横向坐标值在固定步长下对应的差商;
根据所述差商,计算得到差商向量;
根据所述差商向量,获取差商波动值;
根据所述差商波动值,分别得到所述车辆的车头拐角点、车尾拐角点;
根据所述车头拐角点、所述车尾拐角点,确定所述车辆的最大长度。
根据本发明的一些实施例,所述基于所述极坐标系获取单个车辆在所述检测区域中的外廓尺寸信息,还包括:
基于所述极坐标系获取两个车辆在所述检测区域中的第二散点图;
根据所述第二散点图,分别获取每一个所述车辆的外廓尺寸信息。
根据本发明的一些实施例,所述根据所述第二散点图,分别获取每一个所述车辆的外廓尺寸信息,还包括:
根据所述第二散点图呈现的形状,得到两个所述车辆之间的特征图形;
根据所述特征图形,获取前一车辆的车尾拐角点、后一车辆的车头拐角点;
根据所述前一车辆的车尾拐角点以及所述第二散点图,确定所述前一车辆的最大长度;
检测所述检测区域中的所述后一车辆,根据所述后一车辆的车头拐角点以及所述第二散点图,确定所述后一车辆的最大长度。
根据本发明的一些实施例,所述特征图形包括以下之一:
若两个所述车辆之间的高度为相同,确定所述特征图形为凹形特征;或,
若两个所述车辆之间的高度为不同,且所述前一车辆的高度小于所述后一车辆的高度,确定所述特征图形为上升阶梯型特征;或,
若两个所述车辆之间的高度为不同,且所述前一车辆的高度大于所述后一车辆的高度,确定所述特征图形为下降阶梯型特征。
本发明实施例的第二方面,提供了一种车辆超限检测系统,包括:至少一个存储器;至少一个处理器;至少一个程序;所述程序被存储在所述存储器中,所述处理器执行至少一个所述程序以实现如本发明第一方面实施例所述的车辆超限检测方法。
本发明实施例的第三方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行信号,所述计算机可执行信号用于:执行如本发明第一方面实施例所述的车辆超限检测方法。
本发明的附加方面和/或优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明一个实施例所提供的车辆超限检测方法的流程示意图;
图2是本发明一个实施例所提供的高速公路上治超检测的结构示意图;
图3是本发明一个实施例所提供的单线激光雷达的检测区域示意图;
图4是本发明另一个实施例所提供的车辆超限检测方法的检测示意图;
图5是本发明另一个实施例所提供的车辆超限检测方法的检测示意图;
图6是本发明另一个实施例所提供的车辆超限检测方法的流程示意图;
图7是本发明一个实施例所提供的获取第一散点图的流程示意图;
图8为本发明一个实施例所提供的轮廓散点图的示意图;
图9为本发明一个实施例所提供的第一散点图的示意图;
图10为本发明一个实施例所提供的获取车辆的最大长度的流程示意图;
图11为本发明一个实施例所提供的确定有车辆进入检测区域的流程示意图;
图12为本发明一个实施例所提供的获取每一个车辆的外廓尺寸信息的流程示意图;
图13为本发明一个实施例所提供的凹形特征的示意图;
图14为本发明一个实施例所提供的上升阶梯型特征的示意图;
图15为本发明一个实施例所提供的下降阶梯型特征的示意图;
图16是本发明另一个实施例所提供的车辆超限检测方法的流程示意图;
图17为本发明一个实施例所提供的车辆超限检测系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
需要说明的是,虽然在系统示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于系统中的模块划分,或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
参照图1,本发明实施例的第一方面,提供了一种车辆超限检测方法,方法包括:
步骤S100,通过单线激光雷达获取检测区域;
步骤S110,设置单线激光雷达所在位置为原点,以单线激光雷达扫描的平面构建极坐标系;
步骤S120,基于极坐标系获取单个车辆在检测区域中的外廓尺寸信息;其中,外廓尺寸信息包括车辆的长度、车辆的宽度、车辆的高度中的任意至少一种;
步骤S130,若外廓尺寸信息超过标准值,确定车辆为超限车辆。
本发明实施例可以应用于无人卡口治超检测中(例如应用于高速公路),具体参照图2。可采用的硬件设备包括工业控制计算机10、安装在龙门架20上的单线激光雷达和栏杆机30等。在高速公路的车道入口处的龙门架20横杆上及垂直于车辆的行驶方向上安装若干个单线激光雷达,如安装第一单线激光雷达100,用于检测车辆的高度;安装第二单线激光雷达200,用于检测车辆的宽度。如图2所示,通过第一单线激光雷达100、第二单线激光雷达200分别对经过车道入口处的车辆进行扫描检测,例如分别扫描检测车辆的外廓的纵向截面(其中,横向表示与道路平行的方向,纵向表示与道路垂直的方向)。又例如,行车方向上,在间隔车道入口处的龙门架20一定距离(如30米)的路侧灯杆上,安装第三单线激光雷达300,通过第三单线激光雷达300对经过的车辆的外廓的横向截面进行扫描检测,以检测车辆的长度。通过第一单线激光雷达100、第二单线激光雷达200、第三单线激光雷达300分别对车辆进行扫描检测后生成检测数据,并将检测数据发送工业控制计算机10;工业控制计算机10接收单线激光雷达发送的检测数据,并根据检测数据进行计算并响应输出计算结果(例如根据第一单线激光雷达100的检测数据,计算得到车辆的高度;或,根据第二单线激光雷达200的检测数据,计算得到车辆的宽度;或,根据第三单线激光雷达300的检测数据,计算得到车辆的长度),之后工业控制计算机10根据计算结果控制栏杆机30的运作。即计算结果(车辆在检测区域中的外廓尺寸信息:车辆的长度、车辆的宽度、车辆的高度中的任意至少一种)超过标准值,则确定车辆为超限车辆,此时,栏杆机30用于阻止超限车辆进入高速公路。
在本发明实施例中,在工业控制计算机10上外接一台显示器,显示器可以用于显示单线激光雷达的检测数据。对工业控制计算机10进行相关参数配置后,确保高速公路的车道入口处无车经过,启动各个单线激光雷达开始对路面环境进行初始化。在其他实施例中,本发明实施例的车辆超限检测方法还可以应用在其他需要对车辆进行超限检测的场所中,而不局限于高速公路,在此不再赘述。
通过单线激光雷达获取检测区域,设置单线激光雷达所在位置为原点O(0,0),以单线激光雷达扫描的平面分别构建极坐标系(即单线激光雷达的扫描面所在的平面为极坐标平面)。基于极坐标系获取单个车辆在检测区域中的外廓尺寸信息,本实施例的外廓尺寸信息可以包括车辆的长度、车辆的宽度、车辆的高度等,若外廓尺寸信息超过标准值,确定车辆为超限车辆。本发明实施例能够提高对车辆超限的检测效率,采用的单线激光雷达成本较低,处理速度快。
在其他实施例中的车辆超限检测方法,还可以应用于:通过检测车辆的长度,来确定车辆是否为超限车辆;或者检测车辆的宽度,来确定车辆是否为超限车辆;或者检测车辆的高度,来确定车辆是否为超限车辆;又或者分别检测车辆的长度、宽度、高度均超过标准值,确定车辆为超限车辆;又或者分别检测车辆的长度和宽度均超过标准值,确定车辆为超限车辆;又或者分别检测车辆的高度和宽度均超过标准值,确定车辆为超限车辆等等,又或者分别检测车辆的高度或宽度中的两者之一是否超过标准值,再检测车辆的长度,以确定车辆为超限车辆等等,可根据实际需求实现对车辆的超限检测,在此不再赘述。
本发明实施例中提供的一个或多个技术方案,至少具有如下有益效果:与现有技术相比,本发明实施例的车辆超限检测方法,采用单线激光雷达来检测车辆,而单线激光雷达数据计算量小、成本较低,处理速度快,且检测准确率较高。本实施例无需人工操作,进一步提高了车辆超限检测效率。
根据本发明的一些实施例,基于极坐标系获取单个车辆在检测区域中的外廓尺寸信息,包括:基于极坐标系获取单线激光雷达到车辆(例如,规则形状的车辆)的横向截面上的第一距离ρ1、第二距离ρ2、以及第一距离ρ1和第二距离ρ2之间的夹角θ;根据第一距离ρ1、第二距离ρ2、以及第一距离ρ1和第二距离ρ2之间的夹角θ,计算得到车辆在横向截面上的最大长度l。
在本发明实施例中,以单线激光雷达所在位置为原点O(0,0),以单线激光雷达的扫描面所在的平面为极坐标平面。将单线激光雷达扫描检测到的车身点在极坐标系上标注为(θ,ρ),参照图3,单线激光雷达的扫描幅角为100°,阴影区域表示单线激光雷达在一个完整的扫描周期中所对应的检测区域。
参照图4,当车辆穿过龙门架20,即进入检测区域后,基于极坐标系获取单线激光雷达(即原点O(0,0))到车辆的横向截面上的第一距离ρ1、第二距离ρ2、以及第一距离ρ1和第二距离ρ2之间的夹角θ。具体地,第一距离ρ1为单线激光雷达到车辆的车尾拐角点的距离,第二距离ρ2为单线激光雷达到车辆的车头拐角点的距离;θ表示第一距离ρ1和第二距离ρ2之间的夹角;
根据第一距离ρ1、第二距离ρ2、以及第一距离ρ1和第二距离ρ2之间的夹角θ,计算得到车辆在横向截面上的最大长度l;
即参照图4,在ΔAOB中,OB=ρ1,OA=ρ2,∠AOB=θ,根据余弦定理,计算得到车辆在横向截面上的最大长度l:
若车辆在横向截面上的最大长度l超过标准值,则确定车辆为超限车辆。
根据本发明的一些实施例,基于极坐标系获取单个车辆在检测区域中的外廓尺寸信息,包括:基于极坐标系获取单线激光雷达到车辆(例如,规则形状的车辆)的纵向截面上的第三距离ρ3、第四距离ρ4、以及第三距离ρ3和第四距离ρ4之间的夹角θ';
根据第三距离ρ3、第四距离ρ4、以及第三距离ρ3和第四距离ρ4之间的夹角θ',计算得到车辆在纵向截面上的最大宽度w。
在本发明实施例中,当车辆进入检测区域后,基于极坐标系获取单线激光雷达(即原点O(0,0))到车辆的纵向截面上的第三距离ρ3、第四距离ρ4、以及第三距离ρ3和第四距离ρ4之间的夹角θ';
根据第三距离ρ3、第四距离ρ4、以及第三距离ρ3和第四距离ρ4之间的夹角θ',计算得到车辆在纵向截面上的最大宽度w;
即根据余弦定理,计算得到车辆在纵向截面上的最大宽度w:
若车辆在纵向截面上的最大宽度w超过标准值,则确定车辆为超限车辆。
根据本发明的一些实施例,基于极坐标系获取单个车辆在检测区域中的外廓尺寸信息,还包括:获取单线激光雷达的安装高度h0;获取单线激光雷达到车辆的最小高度ρmin;根据安装高度h0、最小高度ρmin,计算得到车辆高度h。
参照图5,在本发明实施例中,当车辆穿过龙门架20,即进入检测区域后,获取单线激光雷达返回与车辆的横向截面上的最小高度ρmin(即图5中,单线激光雷达的扫描面上ΔAOB的AB边上的高OC的近似值),根据获取的单线激光雷达的安装高度h0、单线激光雷达到车辆的最小高度ρmin,可计算得到车辆高度h:
h=h0-ρmin。
若车辆高度h超过标准值,则确定车辆为超限车辆。
综上,在本实施例中,若外廓尺寸信息(例如车辆在横向截面上的最大长度l、车辆在纵向截面上的最大宽度w、车辆高度h)任一超过标准值,则确定该车辆为超限车辆。在其他实施例中,还可以设置为,若外廓尺寸信息(例如车辆在横向截面上的最大长度l、车辆在纵向截面上的最大宽度w、车辆高度h)均超过标准值,则确定该车辆为超限车辆;或,若车辆高度h超过标准值,即可确定该车辆为超限车辆,可根据实际需求实现对车辆的超限检测,在此不再赘述。
参照图6,根据本发明的一些实施例,基于极坐标系获取单个车辆在检测区域中的外廓尺寸信息,还包括:
步骤S200,基于极坐标系获取车辆在检测区域中的车身轮廓;
步骤S210,根据车身轮廓,获取第一散点图;
步骤S220,根据第一散点图,获取车辆的外廓尺寸信息。
本实施例还将针对不规则形状的车辆,例如:敞篷的空集装箱车、搅拌混凝土车等等进行分析。具体地,通过基于极坐标系来获取车辆在检测区域中的车身轮廓,例如获取车辆在检测区域中的纵向方向上的车身轮廓、车辆在检测区域中的横向方向上的车身轮廓等(其中,横向方向表示与道路平行的方向,纵向方向表示与道路垂直的方向),再根据车身轮廓,来获取第一散点图。由第一散点图,来获取车辆的外廓尺寸信息。若外廓尺寸信息(车辆的长度或车辆高度或宽度等)超过标准值,则确定该车辆为超限车辆。
参照图7,根据本发明的一些实施例,根据车身轮廓,获取第一散点图,包括:
步骤S211,获取车身轮廓上的各点到原点的距离、以及距离与基线之间的角度;其中,基线为经过原点并垂直于车辆所在道路的直线;
步骤S212,根据距离、角度,计算得到车身轮廓上的各点在极坐标系下的横向坐标值,第一纵向坐标值;
步骤S213,将极坐标系转换为平面直角坐标系;
步骤S214,基于平面直角坐标系并根据横向坐标值、第一纵向坐标值,得到第一散点图;其中,第一散点图包括车身轮廓上的各点的散点数据和在检测区域中的道路上各点的散点数据。
在本发明实施例中,当单线激光雷达扫描检测到完整的车辆时,在极坐标系中便可以呈现出车辆在检测区域中的车身轮廓。参照图8,提取在检测区域中的道路上的边缘点,以获取道路上各点的散点数据,根据道路上各点的散点数据、车辆在检测区域中横向方向上的车身轮廓,得到在极坐标系下的轮廓散点图,图8中,呈现出车辆两侧的道路以及车辆的横向方向上的车身轮廓。由于根据该轮廓散点图,不能较好地划分出车身轮廓与道路间的关系,故本实施例通过将极坐标系下的轮廓散点图转换为在平面直角坐标系下的第一散点图,根据第一散点图,可以使得车辆的横向方向上的车身轮廓与道路的界限更加明显。
具体地,定义基线,基线经过原点(单线激光雷达所在位置)并垂直于车辆所在道路;获取车身轮廓上的各点到原点的距离ρ5、以及距离ρ5与基线之间的角度α。为了便于处理,本发明实施例将获得的检测数据记录如表1所示,检测数据包括车辆的车身轮廓上的各点到原点的距离ρ5、以及距离ρ5与基线之间的角度α。
角度(α) | 距离(ρ<sub>5</sub>) | 角度(α) | 距离(ρ<sub>5</sub>) |
0.04 | 5.78 | 0.64 | 5.68 |
0.16 | 5.76 | 0.76 | 5.65 |
0.28 | 5.73 | 0.88 | 5.65 |
0.39 | 5.72 | 0.99 | 5.63 |
0.40 | 5.71 | 1.00 | 5.61 |
0.52 | 5.69 | 1.12 | 5.60 |
表1
根据距离ρ5、以及距离ρ5与基线之间的角度α,计算得到车身轮廓上的各点在极坐标系下的横向坐标值x,第一纵向坐标值y;为了便于提取车辆的车头拐角点和车尾拐角点,可通过极坐标转换公式来计算得到车身轮廓上的各点在极坐标系下的横向坐标值x,第一纵向坐标值y,具体为:
之后,将极坐标系转换为等效的平面直角坐标系;
即根据横向坐标值x、第一纵向坐标值y,再根据旋转公式:
对平面直角坐标系按顺时针方向旋转角度(假设单线激光雷达的倾斜角度为),从而得到以单线激光雷达的安装位置为原点,以单线激光雷达的扫描面所在的平面为坐标平面的第一散点图,即得到车辆在平面直角坐标系下的第一散点图。
对应到平面直角坐标系中,每帧数据将包含1000个横向坐标值xi(1≤i≤1000),每个xi对应一个yi(即单线激光雷达进行扫描检测,检测到xi处后返回到单线激光雷达的扫描距离)。
假设对单线激光雷达扫描检测到有车辆时及扫描检测到无车辆时的yi进行求差,得到差值在平面直角坐标系中绘制出车身轮廓所有的坐标值(xi,Yyi),其中(1≤i≤1000)。具体如图9所示,图9表示沿纵坐标正方向平移y后的第一散点图,即车身轮廓的轮廓散点图上移后的图像。通过第一散点图呈现的图像,能够使得车辆横向方向上的车身轮廓与道路的界限更加明显,从而便于进一步检测出车辆的车头部分及车尾部分,其中,Yyi表示车辆上不同部位的高度值。在本实施例中,若高度值不在给定的高度值范围内,则直接去除掉该数据点。
分析本实施例的第一散点图。根据第一散点图,有:车辆的两端的点沿各侧方向呈拉伸形态(即相邻点间的距离随角度值的增大而逐渐增大),而车辆的中间部分的点(按从左到右或从右到左方向)分布均匀。这是由单线激光雷达反射的特性导致的,由于车辆的边缘与道路存在较大间隙,故单线激光雷达扫描至车辆的车身边缘时,电磁波将会出现散射。根据上述特征,本实施例分别从车辆的车头部分及车尾部分进行分析,通过筛选并去除掉车头和车尾相邻间距较大的点,以得到更为精确的车身轮廓。
根据本发明的一些实施例,根据车身轮廓,获取第一散点图之后,还包括:根据第一散点图,获取物体在横向方向上的散点数量;若散点数量大于或等于预设范围,确定物体为车辆。
本发明实施例能够分辨及检测出行人、电动车等非车辆闯入的异常情况,以进一步提高车辆超限检测准确率。在本实施例中,根据车身轮廓,获取第一散点图之后,根据第一散点图,获取物体在横向方向上的散点数量(其中,横向方向表示与道路平行的方向);若散点数量大于或等于预设范围,确定物体为车辆。即,根据第一散点图,从横向方向上统计物体的散点数量,若散点数量太少不能构成最小的车长,则判定单线激光雷达检测到的物体为非车辆。例如,计算获取的散点数量的首尾点xi的差值Δx=|x尾-x首|,若Δx小于最小的车长,则判定单线激光雷达检测到的物体为非车辆,从而实现分辨及检测出非车辆闯入的异常情况。
根据本发明的一些实施例,根据第一散点图,获取车辆的外廓尺寸信息,包括:获取道路上各点在平面直角坐标系下的第二纵向坐标值;根据第一纵向坐标值、第二纵向坐标值,计算得到车身轮廓上的各点的高度值;根据车身轮廓上的各点的高度值,确定车辆高度。
在本发明实施例中,通过单线激光雷达扫描获取道路上各点在平面直角坐标系下的第二纵向坐标值(即无车经过时,道路上各点的第二纵向坐标值);获取第一纵向坐标值和第二纵向坐标值之间的差值Yyi,便可计算得到车身轮廓上的各点的高度值;根据车身轮廓上的各点的高度值,获取该高度值中最大的数值,该最大的数值则确定为车辆高度。若车辆高度超过标准值,确定车辆为超限车辆。
参照图10,根据本发明的一些实施例,根据第一散点图,获取车辆的外廓尺寸信息,包括:
步骤S224,定义每个横向坐标值在固定步长下对应的差商;
步骤S225,根据差商,计算得到差商向量;
步骤S226,根据差商向量,获取差商波动值;
步骤S227,根据差商波动值,分别得到车辆的车头拐角点、车尾拐角点;
步骤S228,根据车头拐角点、车尾拐角点,确定车辆的最大长度。
参照图9,在平面直角坐标系中,横轴上的-1至0区间,第一散点图所呈现的即为车辆在横向方向上的车身轮廓,车辆的车身轮廓与道路进行了分离,使得车辆的车身轮廓更加明显。为了更准确地检测出车辆的车头拐角点、车尾拐角点,本发明实施例将根据获取到车身轮廓所有的坐标值(xi,Yyi),其中来定义每个横向坐标值xi在固定步长下对应的差商,例如在固定步长为n下对应的差商,可表示为(其中,最后一个值y0可以固定或与前一个相等):
根据差商,计算得到差商向量,以得到一帧数据的步长为n的差商向量,表示为:
根据本实施例的第一散点图,由于车辆的中间部分相邻点间的差商波动不大,而在车辆的两端拐角点处的差商波动较大,故根据差商向量,来获取差商波动值。
根据差商波动值,分别得到车辆的车头拐角点、车尾拐角点,例如,根据给定阈值当差商波动值大于给定阈值时(即),可以判定该点为拐角点,从而确定出车辆的车头拐角点、车尾拐角点,将车辆的车头拐角点、车尾拐角点作为车身轮廓的车身首尾边缘点,进而对车头拐角点、车尾拐角点对应的横向坐标值分别求差,以确定车辆的最大长度,例如图4中的A、B点。若车辆的最大长度超过标准值,确定车辆为超限车辆。
同理,采用上述的车辆超限检测方法,获取车辆在检测区域中的纵向方向上的车身轮廓,根据车身轮廓,获取第一散点图,进而获取车辆在纵向方向上的两个边缘拐角点,确定两个边缘拐角点后,根据两个边缘拐角点,可以计算得到车辆的最大宽度,在此不再赘述。检测车辆的最大宽度,若车辆的最大宽度超过标准值,确定车辆为超限车辆。
根据本发明的一些实施例,基于极坐标系获取单个车辆在检测区域中的外廓尺寸信息,还包括:基于极坐标系获取两个车辆在检测区域中的第二散点图;根据第二散点图,分别获取每一个车辆的外廓尺寸信息。
在本发明实施例中,由于存在多车辆跟车情形,即当某辆车紧跟着前一车辆经过龙门架20,且单线激光雷达已启动,此时单线激光雷达扫描检测时,可能会将前一车辆的车尾部分和后一车辆的车头部分重叠在一起,从而导致难以区分。本发明实施例针对多车辆跟车情形,也能够准确区分出单个车辆的外廓,从而进一步检测出超限车辆。
结合本实施例的卡口通道长度将小于30m、进入卡口的车速约5.5m/s、两辆车之间的安全距离大于10m、栏杆机30开闸时间以及单线激光雷达的有效检测范围等因素,可得到,本实施例的车辆跟车总数将不超过一辆车。
具体地,基于极坐标系获取两个车辆在检测区域中的第二散点图;根据第二散点图,分别获取每一个车辆的外廓尺寸信息,若外廓尺寸信息超过标准值,确定车辆为超限车辆。
参照图11,根据本发明的一些实施例,基于极坐标系获取单个车辆在检测区域中的外廓尺寸信息之前,方法还包括:
步骤S111,获取每一预设时段对应的车辆的尺寸数据;
步骤S112,若连续出现多个车辆的尺寸数据,且车辆的尺寸数据超过2/3大于阈值,确定有车辆进入检测区域。
本发明实施例针对多车辆跟车情形,实现对单个车辆进行有效分离。具体地,若龙门架20横杆上的单线激光雷达扫描检测到车辆后,获取当前时间,定义当前时间为t,由于单线激光雷达扫描检测到车辆后,获取检测数据,例如:返回的车辆的宽度和高度的和是大于0的。
定义车辆的宽度为wt,车辆的高度为ht,宽度和高度的和为hwt,则宽度和高度的和:hwt=ht+wt>0。而单线激光雷达未扫描检测到车辆时,此时宽度和高度的和:hwt=ht+wt=0。故获取每一预设时段对应的车辆的尺寸数据,例如每经过Δt=100ms时,获取车辆的宽度和高度的和hwt。根据车辆的宽度和高度的和hwt,以当前时间t为起点,取k个历史时刻的hwt组成向量HWt,k,则HWt,k表示为:
HWt,k=(ht-k*Δt+wt-k*Δt,ht-(k-1)*Δt+wt-(k-1)*Δt,...,ht-Δt+wt-Δt,ht+wt);
若连续出现多个车辆的尺寸数据,且车辆的尺寸数据超过2/3大于阈值,确定有车辆进入检测区域。即根据HWt,k,若所有分量中存在m个连续的hwt=0,且存在n个连续的hwt>0,则可在t时刻确定有车辆进入检测区域(经过龙门架20),此时将车辆的总数T加1。本发明实施例针对多车辆跟车情形,也能够准确区分出单个车辆。
参照图12,根据本发明的一些实施例,根据第二散点图,分别获取每一个车辆的外廓尺寸信息,还包括:
步骤S310,根据第二散点图呈现的形状,得到两个车辆之间的特征图形;
步骤S311,根据特征图形,获取前一车辆的车尾拐角点、后一车辆的车头拐角点;
步骤S312,根据前一车辆的车尾拐角点以及第二散点图,确定前一车辆的最大长度;
步骤S313,检测检测区域中的后一车辆,根据后一车辆的车头拐角点以及第二散点图,确定后一车辆的最大长度。
在本发明实施例中,由于本实施例的车辆跟车总数一般不超过一辆车,故可根据第二散点图呈现的形状,得到两个车辆之间的特征图形;再根据特征图形,获取前一车辆的车尾拐角点、后一车辆的车头拐角点;根据前一车辆的车尾拐角点以及第二散点图,确定前一车辆的最大长度;检测检测区域中的后一车辆,根据后一车辆的车头拐角点以及第二散点图,确定后一车辆的最大长度。本实施例在多车辆跟车情形下,也能够检测和识别出超限车辆,以满足车辆超限检测的需求。
根据本发明的一些实施例,特征图形包括以下之一:
若两个车辆之间的高度为相同,确定特征图形为凹形特征;或,
若两个车辆之间的高度为不同,且前一车辆的高度小于后一车辆的高度,确定特征图形为上升阶梯型特征;或,
若两个车辆之间的高度为不同,且前一车辆的高度大于后一车辆的高度,确定特征图形为下降阶梯型特征。
本发明实施例针对多车辆跟车情形,实现对单个车辆进行有效分离。
由于多车辆跟车时主要是出现相互遮挡,形成图像上的重叠,故可以将其分为以下三类分别进行处理:两个车辆之间的高度为相同;两个车辆之间的高度为不同,且前一车辆的高度小于后一车辆的高度;两个车辆之间的高度为不同,且前一车辆的高度大于后一车辆的高度。
1.两个车辆之间的高度为相同:
参照图13,当后一车辆进入龙门架20后,此时T>1。根据第二散点图呈现的形状,可得到两个车辆之间的特征图形,即两个车辆之间的中间部分(检测到两个角点后,截取其中间的部分)呈凹型(即两端都是角点且高度大于0,中间凹陷且高度下降,且中间凹陷部分横向尺寸大于10m),则该特征图形确定为凹形特征。根据该凹形特征,获取首尾部分,以进一步获取前一车辆的车尾拐角点、后一车辆的车头拐角点。之后,根据第二散点图中前一车辆的车身轮廓上的各点的散点数据,还可以获取到前一车辆的车头拐角点,根据前一车辆的车头拐角点、前一车辆的车尾拐角点,便可计算得到前一车辆的最大长度。当扫描检测完前一车辆后,并且第二散点图中不存在该凹形特征(即前一车辆完全行驶出检测区域),再将T减1。再检测检测区域中的后一车辆,根据第二散点图中后一车辆的车身轮廓上的各点的散点数据,确定后一车辆的车尾拐角点,根据后一车辆的车头拐角点以及后一车辆的车尾拐角点,确定后一车辆的最大长度。以此循环,实现对多车辆跟车情形下单个车辆的超限检测。
2.两个车辆之间的高度为不同,且前一车辆的高度小于后一车辆的高度:
参照图14,当后一车辆进入龙门架20后,此时T>1。根据第二散点图呈现的形状,可得到两个车辆之间的特征图形,即两个车辆之间的中间部分(检测到两个角点后,截取其中间的部分)呈上升阶梯型(即两端的点的高度变化较大,其高度变化大于Δh0,且递增,即高度变化Δhi=hi-hi-1≥0),则该特征图形确定为上升阶梯型特征。根据该上升阶梯型特征,获取首尾部分,以进一步获取前一车辆的车尾拐角点、后一车辆的车头拐角点,从而计算得到前一车辆的最大长度。当扫描检测完前一车辆后,并且第二散点图中不存在该上升阶梯型特征(即前一车辆完全行驶出检测区域),再将T减1。
3.两个车辆之间的高度为不同,且前一车辆的高度大于后一车辆的高度:
参照图15,当后一车辆进入龙门架20后,此时T>1。根据第二散点图呈现的形状,可得到两个车辆之间的特征图形,即两个车辆之间的中间部分(检测到两个角点后,截取其中间的部分)呈下降阶梯型(即两端的点的高度变化较大,其高度变化>Δh0,且递减,即高度变化Δhi=hi-hi-1≤0),则该特征图形确定为下降阶梯型特征。根据该下降阶梯型特征,获取首尾部分,以进一步获取前一车辆的车尾拐角点、后一车辆的车头拐角点,从而计算得到前一车辆的最大长度。当扫描检测完前一车辆后,并且第二散点图中不存在该上升阶梯型特征(即前一车辆完全行驶出检测区域),再将T减1。
下面以一个具体的实施例详细描述根据本发明实施例的车辆超限检测方法。值得理解的是,下述描述仅是示例性说明,而不是对发明的具体限制。
参照图16,通过单线激光雷达采集道路数据,并获取检测区域,根据检测区域中的检测数据进行分析。具体地,分析检测区域中的物体是否为车辆。若有行人或电动车等非车辆闯入的异常情况发生,可以启动报警器,以报警通知。当检测区域中的物体为车辆时,再通过单线激光雷达的检测数据,判断车辆的宽度或高度是否超限,宽度或高度中存在超限的情况,则启动报警器,以报警通知该超限车辆;而车辆的宽度或高度均未超限的情况下,再判断车辆是否存在多车辆跟车情形,若存在多车辆跟车情形,则对每一个车辆进行分车处理。对单个车辆长度进行检测,判断车辆长度是否超限,若车辆长度超过标准值,此时启动报警器,以报警警示该超限车辆;若车辆的长度、宽度和高度均未超过标准值,则打开栏杆机30放行该车辆。本实施例中,若单个车辆在所述检测区域中的外廓尺寸信息,即车辆的宽度或高度、车辆的长度超过标准值,则确定车辆为超限车辆。
本发明实施例的车辆超限检测方法,成本较低、处理效率高,且针对车辆(即车辆的外侧轮廓不规则)、多车辆跟车情形、路设与车辆混杂的情形也能准确检测出超限车辆,同时能够检测及过滤行人闯入、电动车闯入等非车辆闯入的异常情况,大大满足车辆超限检测的需求。
参照图17,本发明实施例的第三方面,提供了一种车辆超限检测系统,该车辆超限检测系统6000可以是任意类型的智能终端,如手机、平板电脑、个人计算机等。
进一步地,车辆超限检测系统6000包括:一个或多个存储器6002;一个或多个处理器6001;一个或多个程序,程序被存储在存储器6002中,处理器6001执行一个或多个程序实现上述车辆超限检测方法。图17中以一个处理器6001为例。
处理器6001和存储器6002可以通过总线或其他方式连接,图17以通过总线连接为例。
存储器6002作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态性计算机可执行程序以及信号,如本发明实施例中的车辆超限检测系统6000对应的程序指令/信号。处理器6001通过运行存储在存储器6002中的非暂态软件程序、指令以及信号,从而执行各种功能应用以及数据处理,即实现上述方法实施例的车辆超限检测方法。
存储器6002可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储上述车辆超限检测方法的相关数据等。此外,存储器6002可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器6002可选包括相对于处理器6001远程设置的存储器,这些远程存储器可以通过网络连接至该车辆超限检测系统6000。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个信号存储在存储器6002中,当被一个或者多个处理器6001执行时,执行上述任意方法实施例中的车辆超限检测方法。例如,执行以上描述的图1中的方法步骤S100至S130、图6中的方法步骤S200至S220、图7中的方法步骤S211至S214、图10中的方法步骤S224至S228、图11中的方法步骤S111至S112、图12中的方法步骤S310至S313。
本发明实施例的第四方面,还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器6001执行,例如,被图17中的一个处理器6001执行,可使得上述一个或多个处理器6001执行上述方法实施例中的车辆超限检测方法。例如,执行以上描述的图1中的方法步骤S100至S130、图6中的方法步骤S200至S220、图7中的方法步骤S211至S214、图10中的方法步骤S224至S228、图11中的方法步骤S111至S112、图12中的方法步骤S310至S313。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
通过以上的实施方式的描述,本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读信号、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读信号、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
上面结合附图对本发明实施例作了详细说明,但是本发明不限于上述实施例,在所述技术领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (10)
1.一种车辆超限检测方法,其特征在于,所述方法包括:
通过单线激光雷达获取检测区域;
设置所述单线激光雷达所在位置为原点,以所述单线激光雷达扫描的平面构建极坐标系;
基于所述极坐标系获取单个车辆在所述检测区域中的外廓尺寸信息;其中,所述外廓尺寸信息包括所述车辆的长度、所述车辆的宽度、所述车辆的高度中的任意至少一种;
若所述外廓尺寸信息超过标准值,确定所述车辆为超限车辆。
2.根据权利要求1所述的车辆超限检测方法,其特征在于,所述基于所述极坐标系获取单个车辆在所述检测区域中的外廓尺寸信息之前,所述方法还包括:
获取每一预设时段对应的车辆的尺寸数据;
若连续出现多个所述车辆的尺寸数据,且所述车辆的尺寸数据超过2/3大于阈值,确定有车辆进入所述检测区域。
3.根据权利要求1或2所述的车辆超限检测方法,其特征在于,所述基于所述极坐标系获取单个车辆在所述检测区域中的外廓尺寸信息,还包括:
基于所述极坐标系获取车辆在所述检测区域中的车身轮廓;
根据所述车身轮廓,获取第一散点图;
根据所述第一散点图,获取所述车辆的外廓尺寸信息。
4.根据权利要求3所述的车辆超限检测方法,其特征在于,所述根据所述车身轮廓,获取第一散点图,包括:
获取所述车身轮廓上的各点到所述原点的距离、以及所述距离与基线之间的角度;其中,所述基线为经过所述原点并垂直于所述车辆所在道路的直线;
根据所述距离、所述角度,计算得到所述车身轮廓上的各点在所述极坐标系下的横向坐标值,第一纵向坐标值;
将所述极坐标系转换为平面直角坐标系;
基于所述平面直角坐标系并根据所述横向坐标值、所述第一纵向坐标值,得到第一散点图;其中,所述第一散点图包括所述车身轮廓上的各点的散点数据和在所述检测区域中的道路上各点的散点数据。
5.根据权利要求4所述的车辆超限检测方法,其特征在于,所述根据所述第一散点图,获取所述车辆的外廓尺寸信息,包括:
定义每个所述横向坐标值在固定步长下对应的差商;
根据所述差商,计算得到差商向量;
根据所述差商向量,获取差商波动值;
根据所述差商波动值,分别得到所述车辆的车头拐角点、车尾拐角点;
根据所述车头拐角点、所述车尾拐角点,确定所述车辆的最大长度。
6.根据权利要求1或2所述的车辆超限检测方法,其特征在于,所述基于所述极坐标系获取单个车辆在所述检测区域中的外廓尺寸信息,还包括:
基于所述极坐标系获取两个车辆在所述检测区域中的第二散点图;
根据所述第二散点图,分别获取每一个所述车辆的外廓尺寸信息。
7.根据权利要求6所述的车辆超限检测方法,其特征在于,所述根据所述第二散点图,分别获取每一个所述车辆的外廓尺寸信息,还包括:
根据所述第二散点图呈现的形状,得到两个所述车辆之间的特征图形;
根据所述特征图形,获取前一车辆的车尾拐角点、后一车辆的车头拐角点;
根据所述前一车辆的车尾拐角点以及所述第二散点图,确定所述前一车辆的最大长度;
检测所述检测区域中的所述后一车辆,根据所述后一车辆的车头拐角点以及所述第二散点图,确定所述后一车辆的最大长度。
8.根据权利要求7所述的车辆超限检测方法,其特征在于,所述特征图形包括以下之一:
若两个所述车辆之间的高度为相同,确定所述特征图形为凹形特征;或,
若两个所述车辆之间的高度为不同,且所述前一车辆的高度小于所述后一车辆的高度,确定所述特征图形为上升阶梯型特征;或,
若两个所述车辆之间的高度为不同,且所述前一车辆的高度大于所述后一车辆的高度,确定所述特征图形为下降阶梯型特征。
9.一种车辆超限检测系统,其特征在于,包括:
至少一个存储器;
至少一个处理器;
至少一个程序;
所述程序被存储在所述存储器中,所述处理器执行至少一个所述程序以实现如权利要求1至8任一项所述的车辆超限检测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行信号,所述计算机可执行信号用于执行如权利要求1至8任一项所述的车辆超限检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011160536.1A CN112344854B (zh) | 2020-10-27 | 2020-10-27 | 车辆超限检测方法、系统及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011160536.1A CN112344854B (zh) | 2020-10-27 | 2020-10-27 | 车辆超限检测方法、系统及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112344854A true CN112344854A (zh) | 2021-02-09 |
CN112344854B CN112344854B (zh) | 2022-06-03 |
Family
ID=74360174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011160536.1A Active CN112344854B (zh) | 2020-10-27 | 2020-10-27 | 车辆超限检测方法、系统及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112344854B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113124777A (zh) * | 2021-04-20 | 2021-07-16 | 辽宁因泰立电子信息有限公司 | 车辆尺寸确定方法、装置、系统及存储介质 |
CN115615352A (zh) * | 2022-09-28 | 2023-01-17 | 山东交通学院 | 激光扫描器的标定方法、装置以及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5809437A (en) * | 1995-06-07 | 1998-09-15 | Automotive Technologies International, Inc. | On board vehicle diagnostic module using pattern recognition |
JP2001034883A (ja) * | 1999-07-23 | 2001-02-09 | Matsushita Electric Ind Co Ltd | 混雑度計測方法、計測装置、およびそれを用いたシステム |
CN1527237A (zh) * | 2003-03-06 | 2004-09-08 | 铁道科学研究院铁道建筑研究所 | 检测铁路货物车辆装载超限的二维激光扫描方法 |
CN103913116A (zh) * | 2014-03-10 | 2014-07-09 | 上海大学 | 大型堆积物料体积两侧平行测量装置和方法 |
CN104655249A (zh) * | 2015-03-16 | 2015-05-27 | 武汉大学 | 一种公路车辆尺寸与重量自动测量系统及方法 |
CN105157608A (zh) * | 2015-08-31 | 2015-12-16 | 浙江大华技术股份有限公司 | 一种超限车辆的检测方法、装置及系统 |
CN105606023A (zh) * | 2015-12-18 | 2016-05-25 | 武汉万集信息技术有限公司 | 一种车辆外廓尺寸测量方法和系统 |
CN206248039U (zh) * | 2016-11-24 | 2017-06-13 | 武汉万集信息技术有限公司 | 一种车辆超限检测系统 |
CN107945530A (zh) * | 2017-12-24 | 2018-04-20 | 上海捷崇科技有限公司 | 一种车辆超限检测系统及其检测方法 |
CN108132025A (zh) * | 2017-12-24 | 2018-06-08 | 上海捷崇科技有限公司 | 一种车辆三维轮廓扫描构建方法 |
CN110763142A (zh) * | 2019-11-05 | 2020-02-07 | 广西云高智能停车设备有限公司 | 一种慢速运动车辆外廓尺寸测量方法 |
-
2020
- 2020-10-27 CN CN202011160536.1A patent/CN112344854B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5809437A (en) * | 1995-06-07 | 1998-09-15 | Automotive Technologies International, Inc. | On board vehicle diagnostic module using pattern recognition |
JP2001034883A (ja) * | 1999-07-23 | 2001-02-09 | Matsushita Electric Ind Co Ltd | 混雑度計測方法、計測装置、およびそれを用いたシステム |
CN1527237A (zh) * | 2003-03-06 | 2004-09-08 | 铁道科学研究院铁道建筑研究所 | 检测铁路货物车辆装载超限的二维激光扫描方法 |
CN103913116A (zh) * | 2014-03-10 | 2014-07-09 | 上海大学 | 大型堆积物料体积两侧平行测量装置和方法 |
CN104655249A (zh) * | 2015-03-16 | 2015-05-27 | 武汉大学 | 一种公路车辆尺寸与重量自动测量系统及方法 |
CN105157608A (zh) * | 2015-08-31 | 2015-12-16 | 浙江大华技术股份有限公司 | 一种超限车辆的检测方法、装置及系统 |
CN105606023A (zh) * | 2015-12-18 | 2016-05-25 | 武汉万集信息技术有限公司 | 一种车辆外廓尺寸测量方法和系统 |
CN206248039U (zh) * | 2016-11-24 | 2017-06-13 | 武汉万集信息技术有限公司 | 一种车辆超限检测系统 |
CN107945530A (zh) * | 2017-12-24 | 2018-04-20 | 上海捷崇科技有限公司 | 一种车辆超限检测系统及其检测方法 |
CN108132025A (zh) * | 2017-12-24 | 2018-06-08 | 上海捷崇科技有限公司 | 一种车辆三维轮廓扫描构建方法 |
CN110763142A (zh) * | 2019-11-05 | 2020-02-07 | 广西云高智能停车设备有限公司 | 一种慢速运动车辆外廓尺寸测量方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113124777A (zh) * | 2021-04-20 | 2021-07-16 | 辽宁因泰立电子信息有限公司 | 车辆尺寸确定方法、装置、系统及存储介质 |
CN115615352A (zh) * | 2022-09-28 | 2023-01-17 | 山东交通学院 | 激光扫描器的标定方法、装置以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112344854B (zh) | 2022-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109284674B (zh) | 一种确定车道线的方法及装置 | |
US7046822B1 (en) | Method of detecting objects within a wide range of a road vehicle | |
CN101135558B (zh) | 一种基于机器视觉的汽车防撞预警方法及装置 | |
US9288381B2 (en) | In-vehicle image recognizer | |
US7545956B2 (en) | Single camera system and method for range and lateral position measurement of a preceding vehicle | |
JP2917661B2 (ja) | 交通流計測処理方法及び装置 | |
US7561721B2 (en) | System and method for range measurement of a preceding vehicle | |
CN112344854B (zh) | 车辆超限检测方法、系统及计算机可读存储介质 | |
CN103310213B (zh) | 车辆检测方法和装置 | |
CN110069990B (zh) | 一种限高杆检测方法、装置以及自动驾驶系统 | |
CN112172663A (zh) | 一种基于开车门的危险报警方法及相关设备 | |
CN109584573B (zh) | 隧道内危险车辆的识别系统及方法 | |
WO2015141247A1 (ja) | 車載用画像処理装置およびそれを用いた車両システム | |
CN110341621B (zh) | 一种障碍物检测方法及装置 | |
CN115331191B (zh) | 车型识别方法、装置、系统和存储介质 | |
CN104094311A (zh) | 立体物检测装置 | |
CN112249007A (zh) | 一种车辆危险报警方法及相关设备 | |
CN104115201A (zh) | 立体物检测装置 | |
Janda et al. | A road edge detection approach for marked and unmarked lanes based on video and radar | |
CN107452230B (zh) | 一种障碍物检测方法、装置、终端设备及存储介质 | |
CN112990117B (zh) | 基于智能驾驶系统的安装数据处理方法及装置 | |
JP3771729B2 (ja) | 交通流計測システム | |
CN107578037A (zh) | 一种基于似物性估计的道线检测方法 | |
CN108416305B (zh) | 连续型道路分割物的位姿估计方法、装置及终端 | |
CN113128264A (zh) | 一种车辆区域确定方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |